Hvorfor er bokstavene i EBCDIC ikke i rekkefølge?

ASCII-standarden ble vedtatt i 1963, og i dag er det knapt noen som bruker en koding der de første 128 tegnene avviker fra ASCII. Likevel ble EBCDIC - standardkoden for IBM-mainframes og deres sovjetiske kloner ES EVM - aktivt brukt frem til slutten av forrige århundre. EBCDIC forblir den primære koden i z/OS - standardoperativsystemet for moderne IBM Z-mainframes.

Det som umiddelbart fanger øyet ved EBCDIC - er at bokstavene ikke følger hverandre: mellom I og J og mellom R og S ble det stående ubrukte posisjoner (på ES EVM ble det i disse mellomrommene fordelt tegn for kyrillisk). Hvem kunne ha tenkt seg å kode bokstaver med ujevne mellomrom mellom nabobokstaver?

Selve navnet EBCDIC («Extended BCDIC») antyder at denne koden, i motsetning til ASCII, ikke ble laget på bar bakke, men basert på den seks-bits BCDIC-kodingen, som ble brukt siden IBM 704 (1954):

Det er ingen direkte bakoverkompatibilitet: en praktisk egenskap ved BCDIC, som ble tapt da man gikk over til EBCDIC, var at tallene 0—9 svarte til koder 0-9. Likevel var det allerede sprang på syv koder mellom I og J og åtte koder mellom R og S i BCDIC. Hvor kom de fra?

Historien om (E)BCDIC begynner samtidig med historien om IBM - lenge før de elektroniske datamaskinene. IBM ble dannet ved sammenslåing av fire selskaper, hvorav det teknologisk mest avanserte var "Tabulating Machine Company", grunnlagt i 1896 av Herman Hollerith - oppfinneren av tabulatoren.De første tabulatorene telte bare antall hullkort som ble perforert på et bestemt sted; men i 1905 begynte Hollerith produksjon av desimale tabulatorer. Hvert kort for desimal tabulator bestod av felt av vilkårlig lengde, og tallene skrevet i disse feltene i vanlig desimalform ble summert over hele bunken. Oppdelingen av kortet i felt ble bestemt ved å koble ledninger på tilkoblingspanelet til tabulatoren. For eksempel, på dette hullkortet fra Hollerith, oppbevart i Kongressbiblioteket, er tallet 23456789012345678 åpenbart preget, ukjent hvordan det er delt opp i felt:

De mest observante kan ha lagt merke til at kortet til Hollerith har 12 rader for hull, selv om det kun trengs ti for sifrene; og i BCDIC brukes bare 12 koder fra 16 mulige for hver av de to øverste bitene.

Selvfølgelig er dette ikke en tilfeldig tilfeldighet. Opprinnelig planla Hollerith ekstra kolonner for “spesielle markeringer” som ikke ble summert, men bare ble talt — som i de aller første tabulatorene. (I dag ville vi kalt dem “bitfelt”.) I tillegg kunne man blant “spesielle markeringer” angi gruppeindikatorer: hvis det under tabuleringen var behov for både endelige summer og mellomliggende, stoppet tabulatoren når den oppdaget en endring av en av gruppeindikatorene, og operatøren måtte skrive ned de mellomliggende summene fra digitale tavler til papir, nullstille tavlene, og gjenoppta tabuleringen. For eksempel, når man oppsummerte regnskapsbalanser, kunne en gruppe kort svare til en dato eller én motpart.

Innen 1920, da Hollerith allerede hadde pensjonert seg, kom “trykkede tabulatorer” i bruk, som kunne kobles til telegrafer og selv skrive ut mellomliggende summer uten operatørens inngripen. Komplikasjonen nå var å avgjøre hva hvert av de trykte tallene refererte til. I 1931 bestemte IBM seg for å bruke “spesielle markeringer” for å indikere bokstaver: en merking i 12. rad indikerte bokstaven fra A til I, i 11. rad — fra J til R, i nullrad — fra S til Z. Den nye “alfabetiske tabulatoren” kunne skrive ut navnet på hver kortgruppe sammen med mellomliggende summer; samtidig ble en ubenyttet kolonne til et mellomrom mellom symbolene. Legg merke til at S angis med kombinasjonen av hull 0+2, mens kombinasjonen 0+1 opprinnelig ikke ble brukt av frykt for at to hull nært sammen i én kolonne kunne forårsake mekaniske problemer i leseren.

Nå kan vi se på BCDIC-tabellen fra et litt annet perspektiv:

Bortsett fra at 0 og mellomrom er byttet om, bestemmer de to høyeste bitene “spesielle markeringen”, som fra 1931 ble perforert i hullkortet for det tilsvarende symbolet; mens de fire laveste bitene bestemmer tallet som perforeres i hoveddelen av kortet. Støtte for symboler & - / ble en tabulatorene til IBM på 1930-tallet, og koding av disse tegnene i BCDIC samsvarer med hullene som ble laget for dem. Da behovet for støtte for et enda større antall tegn oppstod, begynte man å lage en rekke spesielle merker i rad 8 — slik kunne det være opptil tre hull i én kolonne. Dette formatet for hullkort har forblitt nesten uforandret til slutten av århundret. I Sovjetunionen beholdt de IBM-kodene for det latinske alfabetet og tegnsetting, mens for kyrilliske bokstaver ble det laget flere spesielle merker i rad 12, 11, 0 — uten å være begrenset til tre hull i én kolonne.

Da IBM 704 ble laget, tenkte man ikke lenge på kodingen av tegn for den: man tok koden som allerede var i bruk i hullkort og bare plasserte 0 på rett sted. I 1964, da man gikk fra BCDIC til EBCDIC, ble de laveste fire bitene av hvert tegn uendret, selv om de høyere bitene ble omstokket litt. Dermed påvirket hullkortformatet som Holerit valgte tidlig på 1900-tallet arkitekturen til alle IBM-datamaskiner, inkludert IBM Z.

Kilde: habr.com